第5章订单流分析

第五章：订单流分析——逐笔成交数据、订单流不平衡、买卖压力指标、订单流与价格关系

各位同学，欢迎来到订单流分析这一章。

说实话，做量化交易这几年，我越来越觉得：K线图是给外人看的，订单流才是给内行看的。你想想看，一根K线收盘后，里面到底发生了什么？谁在买？谁在卖？买卖双方的力量对比如何？这些信息，K线根本不会告诉你。

订单流分析，说白了就是扒开K线的外衣，直接看每一笔交易的细节。我个人习惯把订单流比作「市场的X光片」——它能让你看到价格背后的真实博弈。

5.1 逐笔成交数据：最原始的市场语言

逐笔成交数据，就是交易所里每一笔真实成交的记录。它不像Tick数据那样只记录报价变化，而是记录了「谁以什么价格买了多少」。

一个标准的逐笔成交数据，通常包含以下字段：

字段	含义	示例
时间戳	成交发生的精确时间	2024-01-15 09:30:01.234
成交价	该笔交易的价格	15.68
成交量	该笔交易的股数/手数	2000
成交额	该笔交易的金额	31360
买卖方向	主动买还是主动卖	B / S

这里有个关键点：买卖方向。交易所不会直接告诉你「这笔是买方主动」还是「卖方主动」，但我们可以通过成交价与买卖盘口的对比来判断。

核心判断逻辑：

如果成交价等于卖一价，说明买方主动吃单 → 记为主动买（B）
如果成交价等于买一价，说明卖方主动砸单 → 记为主动卖（S）
如果成交价在买卖盘口之间，通常视为中性或按规则分配

我在项目中遇到过一个问题：有些交易所的数据源会把买卖方向标反。嗯，这很坑。我曾经花了一整天调试一个策略，结果发现是数据源把B和S搞反了。所以，拿到数据后第一件事——先手动验证几笔，别盲目相信。

5.2 订单流不平衡：谁在主导市场？

有了逐笔成交数据，我们就可以计算一个非常核心的指标——订单流不平衡（Order Flow Imbalance, OFI）。

公式其实很简单：

OFI = 主动买成交量 - 主动卖成交量

如果OFI > 0，说明买方力量更强；如果OFI < 0，说明卖方占优。绝对值越大，力量越悬殊。

但光看绝对值还不够。我个人习惯看累积订单流不平衡（Cumulative OFI），也就是把一段时间内的OFI累加起来。这能反映出资金的持续流向。

实战小技巧：

我建议把OFI和价格走势放在同一张图上对比。你会发现一个有趣的现象：价格可能还在涨，但OFI已经开始走弱了。这就是所谓的「量价背离」，往往是反转的前兆。

举个例子：某只股票价格从15元涨到16元，但累积OFI却在下降。这说明虽然价格在涨，但主动买盘的力量在减弱。这时候，我会开始警惕——可能有人在拉高出货。

5.3 买卖压力指标：量化多空博弈

OFI虽然好用，但它只考虑了成交量，没有考虑价格深度。于是就有了更精细的指标——买卖压力指标。

我最常用的两个指标是：

VPIN（成交量加权订单流不平衡）：把成交量作为权重，计算每个价格档位的OFI加权值。说白了，就是看「大单在往哪边跑」。
Delta指标：逐笔计算主动买与主动卖的差值，然后按时间窗口聚合。比如1分钟Delta = 该分钟内主动买量 - 主动卖量。

这里我贴一段我自己写的计算代码，你们可以直接拿去用：

def calculate_delta(trade_data, window='1min'):
    """
    计算Delta指标
    trade_data: DataFrame，包含['time', 'price', 'volume', 'side']
    side: 'B'表示主动买，'S'表示主动卖
    """
    # 先标记方向
    trade_data['delta'] = trade_data['volume'].where(
        trade_data['side'] == 'B', -trade_data['volume']
    )
    
    # 按时间窗口聚合
    delta_series = trade_data.resample(window, on='time')['delta'].sum()
    
    return delta_series

注意：Delta指标对数据频率非常敏感。如果你用1秒窗口，噪声会很大；如果用1小时窗口，又会丢失很多细节。我个人习惯在5分钟到15分钟之间调试，找到最适合你交易品种的参数。

5.4 订单流与价格关系：从微观到宏观

订单流和价格的关系，其实就一句话：订单流是原因，价格是结果。

你想想看，价格为什么会涨？因为有人在不断用主动买单吃掉卖盘。价格为什么会跌？因为有人在不断用主动卖单砸穿买盘。没有订单流的推动，价格就是死水一潭。

我总结了一个简单的框架，用来分析订单流与价格的关系：

价格涨 + OFI为正 → 健康的上涨，买方持续发力
价格涨 + OFI为负 → 虚假上涨，可能是诱多
价格跌 + OFI为负 → 健康的下跌，卖方主导
价格跌 + OFI为正 → 下跌中的吸筹，可能是底部

这个框架虽然简单，但非常实用。我记得有一次做股指期货的日内策略，就是靠这个框架抓住了几次关键的反转点。当时价格在下跌，但OFI开始转正，我果断做多，结果半小时后价格就反弹了。

当然，订单流分析也不是万能的。它最大的问题是——数据量大。逐笔成交数据一天可能几百万条，处理起来对计算资源要求很高。我建议你们先用小样本数据跑通逻辑，再上全量数据。

本章核心要点：

逐笔成交数据是订单流分析的基础，买卖方向判断是关键
订单流不平衡（OFI）量化了买卖力量的对比
买卖压力指标（VPIN、Delta）提供了更精细的视角
订单流是价格变动的驱动力，两者结合可以识别真假突破